지식 그래프 및 메모리

확인할 점

선택지를 가르는 질문을 중요한 순서대로 정리했습니다.

1. 01

   그래프가 필요하다는 것부터 증명하십시오

   그래프는 관계를 따라가는 질문(누가 누구에게 공급하는가, 어떤 계약이 어떤 조항을 인용하는가)이나 말뭉치 전체에 걸친 질문(주요 주제는 무엇인가)에 도움이 됩니다. 실제 질문으로 평가 세트를 만들어 먼저 하이브리드 벡터 검색에 돌려 보십시오. 관계 때문에 실패하는 질문이 적다면, 그래프는 별 이득 없이 비용과 복잡성만 더합니다. GraphRAG-Bench 연구에서 LightRAG는 질문마다 답변 모델에 약 100,000 프롬프트 토큰을 보냈고, 벡터 RAG는 1,000 미만이었습니다.

2. 02

   인덱싱 비용과 업데이트 방식

   모든 그래프 RAG 도구는 개체와 관계를 추출하기 위해 문서를 언어 모델에 통과시키므로, 인덱싱이 임베딩보다 훨씬 비쌉니다. Microsoft GraphRAG는 커뮤니티 요약도 쓰고 문서가 바뀌면 대부분 다시 빌드합니다. LightRAG는 요약을 건너뛰고 문서를 점진적으로 추가합니다. Graphiti는 에피소드 단위로 수집합니다. 추출 모델로 말뭉치 전체의 토큰을 추정한 다음, 다음 달 그 10분의 1이 바뀌면 어떻게 되는지 물어보십시오.

3. 03

   시간: 바뀌는 사실

   에이전트 메모리에는 문서 RAG에는 드문 문제가 있습니다. 사실이 낡습니다. 사용자가 이사하고, 정책이 바뀝니다. Graphiti는 각 사실이 언제 참이 되었고 언제 무효화되었는지 기록하므로, 에이전트가 지금 무엇이 참인지와 그때 무엇이 참이었는지 답할 수 있습니다. Mem0와 대부분의 그래프 RAG 파이프라인은 새 사실을 옛 사실 옆에 그냥 추가하고, Cognee의 시간 인식은 더 최근에 생겼습니다. 에이전트가 몇 달씩 돈다면 모순 처리를 명시적으로 시험하십시오.

4. 04

   저장소 백엔드와 운영해야 하는 것

   파이프라인과 메모리 계층은 저장소 위에 놓입니다. Graphiti는 Neo4j, FalkorDB, Amazon Neptune이 필요합니다. LightRAG의 인메모리 기본값은 테스트용일 뿐이며 운영에는 Postgres를 권장합니다. GraphRAG는 기본적으로 파일과 LanceDB 인덱스를 씁니다. Cognee는 기본적으로 내장 저장소를 쓰지만 Postgres나 Neo4j로 옮길 수 있습니다. 이미 운영하고 있거나 운영할 의향이 있는 운영 백엔드를 쓰는 도구를 고르십시오.

5. 05

   추출 모델 품질과 구조화된 출력

   그래프 품질은 추출을 맡은 모델에 달려 있습니다. 작은 로컬 모델은 관계를 놓치고 개체를 중복시키며, Graphiti의 README는 구조화된 출력이 믿을 만하지 않은 모델이 수집을 망가뜨릴 수 있다고 경고합니다. LightRAG는 실용적인 로컬 최소치로 30B급 모델을 제안합니다. 인덱싱 단계에는 능력 있는 모델에 예산을 잡고, 전부 인덱싱하기 전에 표본으로 개체 중복 제거를 확인하십시오.

6. 06

   메모리 벤치마크는 조심해서 읽으십시오

   에이전트 메모리 제품은 LoCoMo, LongMemEval, Deep Memory Retrieval, BEAM을 인용합니다. 공개된 수치는 거의 모두 업체에서 나오며, 오픈소스 SDK가 아니라 호스팅 서비스의 수치인 경우가 많고, 실행마다 모델과 설정이 다릅니다. 후보를 추리는 데 쓰고, 그다음 내 대화를 재생해 각 후보를 채점하며, 바뀐 사실에 대한 정확도와 검색 지연 시간을 측정하십시오.

7. 07

   라이선스와 오픈 코어 분할

   GraphRAG와 LightRAG는 MIT이고, Graphiti, Mem0, Cognee는 Apache 2.0입니다. Neo4j Community Edition은 GPLv3이고 단일 서버이며, 클러스터링과 역할 기반 보안은 유료 에디션에만 있습니다. 여러 프로젝트가 핵심 기능을 호스팅 제품에 남겨 둡니다. Mem0의 그래프 메모리는 플랫폼 전용이고, Cognee의 운영용 추출기와 Postgres 그래프 저장소는 라이선스 제품에 있습니다. 필요한 기능이 오픈 에디션에 있는지 확인하십시오.

도구 9개 비교

저희 평점 순입니다. 각 리뷰에서 출처, 가격, 전체 평가를 확인할 수 있습니다.

지식 그래프 및 메모리 도구 비교

도구	평점	저희 평가	추천 대상	가격
Graphiti저장소	4.3/5	사실이 시간에 따라 바뀌는 에이전트라면 Graphiti가 넘어서야 할 기준이 되는 오픈소스 메모리 계층입니다. 그래프 데이터베이스를 운영하고 쓰기마다 LLM 추출 비용을 낼 각오가 있다면 말입니다.	사용자, 계정, 세상에 대해 바뀌는 사실을 기억해야 하는 장기 실행 에이전트를 만드는 팀.	Apache 2.0 라이선스의 무료 오픈소스입니다. 그래프 데이터베이스를 직접 마련하고, 데이터 수집 중 LLM과 임베딩 호출 비용을 냅니다.
Neo4j저장소	4.1/5	RAG나 에이전트 메모리가 정말로 관계를 필요로 할 때 기본이 되는 그래프 저장소입니다. 다만 무료 에디션은 서버 한 대에서 멈추고, 대부분의 RAG는 그래프가 전혀 필요 없습니다.	RAG나 에이전트 메모리의 질문이 엔터티 간 관계에 달려 있고, 검증된 그래프 저장소가 필요한 팀.	Community Edition은 GPLv3로 무료입니다. Enterprise는 견적 문의입니다. AuraDB: Free 등급, Professional은 GB당 시간당 $0.09(최소 1 GB), Business Critical은 GB당 시간당 $0.20(최소 2 GB)입니다.
Graphify저장소	4.1/5	에이전트가 계속 grep을 하는 큰 저장소라면 설치할 가치가 있습니다. 다만 벤치마크 수치는 업체 자신의 것으로 받아들이고, 문서 처리 백엔드는 신중하게 골라야 합니다.	에이전트가 grep 대신 구조를 따라 탐색하기를 원하는, 큰 코드베이스를 가진 팀.	오픈소스 엔진은 무료입니다(Apache-2.0, 저장소에 MIT 라이선스 파일도 있음). Graphify Cloud에는 무료 호스팅 등급과 좌석당 과금인 Pro, Teams 요금제가 있으며 가격은 공개되지 않았습니다. 자체 호스팅 Enterprise는 얼리 액세스 단계입니다.
Mem0저장소	4.0/5	Mem0는 여전히 에이전트에 메모리를 주는 가장 빠른 방법입니다. 그러나 오픈소스 SDK는 그래프 메모리와 최고 벤치마크 점수를 자기 몫으로 남겨 두는 플랫폼의 체험판에 점점 가까워지고 있습니다.	챗봇과 에이전트에 세션을 넘는 사용자 메모리를 더하려는 개발자.	오픈소스 SDK는 Apache 2.0으로 무료입니다. Platform: Free(처음 30일은 모델 호출을 포함해 월 10,000회 add와 1,000회 검색, 이후 자체 LLM 키로 월 50,000회 add와 10,000회 검색, 초과분은 사용자가 정한 상한까지 사용량 과금). Custom 요금제는 견적 문의입니다. 이전의 $19 Starter와 $249 Pro 요금제는 더 이상 표시되지 않습니다.
RAGFlow저장소	4.0/5	서버 한 대에서 돌릴 수 있는 완성된 문서-답변 제품이지만, 보안 이력을 보면 공개 인터넷이 아니라 VPN 뒤에 두어야 합니다.	파이프라인을 만들지 않고 자체 호스팅 문서 질의응답과 지식 도우미를 원하는 팀.	Apache 2.0 라이선스의 무료 오픈소스입니다. InfiniFlow는 RAGFlow Cloud도 판매합니다. Free(월 500 크레딧, API 키 없음), Starter 월 $29와 Pro 월 $129(각각 더 높은 $59와 $259 옆에 표시), BYOC와 온프레미스 배포가 있는 Enterprise는 문의입니다.
LightRAG저장소	3.9/5	그래프 RAG를 시험해 보는 합리적인 방법이며 Microsoft GraphRAG보다 유지 비용이 낮습니다. 하지만 대부분의 팀은 그래프를 더하기 전에 정말 필요한지부터 입증해야 합니다.	평가에서 하이브리드 검색으로는 멀티홉 질문이 실패하는 것을 확인했고, Postgres 위에 그래프를 두려는 팀.	MIT 라이선스의 무료 오픈소스입니다. 인덱싱과 쿼리에는 사용자의 LLM 및 임베딩 크레딧이 쓰입니다.
Cognee저장소	3.8/5	Cognee는 거의 모든 소스로 공유 지식 그래프를 만들지만, 운영 환경에 들이기 전에 기본값을 책임지고 손볼 사람이 필요합니다.	여러 소스로 구성한 공유 지식 그래프가 필요한 에이전트를 여럿 만드는 팀.	Apache 2.0 오픈소스입니다. Cognee Cloud는 1M 토큰과 워크스페이스 1개까지 무료이고, 이후 1M 토큰당 $1에 추가 워크스페이스당 월 $5가 붙습니다. Enterprise는 견적 기반 BYOC 계약입니다.
Letta저장소	3.7/5	Letta는 여전히 에이전트 메모리에 대해 가장 깊이 고민한 아이디어를 갖고 있지만, 운행 중에 제품을 다시 만드는 바람에 기존 사용자는 마이그레이션을 떠안았고 새 사용자는 빠르게 움직이는 표적을 상대해야 합니다.	들여다볼 수 있고 버전 관리되는 메모리를 갖춘 장기 실행 개인 또는 팀 에이전트를 원하고, 하네스 전체를 채택할 의향이 있는 개발자.	Apache 2.0이며 자신의 모델 키로 로컬에서 무료로 실행할 수 있습니다. Letta Cloud: Free(에이전트 3개, 메모리 저장소당 5 MiB), Pro 월 $20(에이전트 20개, 50 MiB, 모델 할당량), API 요금제 월 $20에 활성 에이전트당 월 $0.10과 도구 실행 초당 $0.00015, 토큰은 별도, Teams Pro 좌석당 월 $20, Enterprise는 별도 견적입니다.
GraphRAG저장소	3.5/5	코퍼스 전체에 관한 질문을 위한 참조 설계로서 여전히 유효하지만, Microsoft는 개발을 멈췄고 인덱싱 비용은 여전히 큽니다.	문서 간 질문이 비싼 일회성 인덱스를 정당화하는, 고정된 고가치 문서 집합을 가진 팀.	MIT 라이선스의 무료 오픈소스입니다. 인덱싱은 사용자의 OpenAI 또는 Azure OpenAI 크레딧으로 실행되며, README는 비용이 많이 들 수 있다고 경고합니다.

사양 비교

이 단계에서 중요한 사양입니다. 2026년 10월 23일에 확인했습니다. 도입 전에 공급업체 사이트에서 확인하세요.

에이전트에 연결하기

Claude, ChatGPT, Cursor 같은 어시스턴트가 이 도구를 직접 쓸 수 있게 해 주는 MCP 서버입니다.

• Memory (reference server) 3.5
• MCP Memory Keeper 3.4

이 단계가 쓰이는 곳

• 리서치 및 지식 그래프: GraphRAG, Neo4j부터 시작하겠습니다.
• 장기 메모리를 갖춘 어시스턴트: Graphiti, Mem0부터 시작하겠습니다.

이 가이드의 출처

• Microsoft GraphRAG configuration
• Graphiti on GitHub
• Zep: temporal knowledge graph architecture (arXiv)
• LightRAG README (storage)
• Neo4j: vector search with filters
• Mem0 docs: vector databases
• Cognee on GitHub
• RAGFlow docs: construct knowledge graph
• Atlan: best AI agent memory frameworks 2026
• When to use Graphs in RAG (GraphRAG-Bench, arXiv)